Bhanu Prakash Vangala

研究发现：脑肿瘤MRI基准存在严重数据集污染

一篇新发表在arXiv上的研究论文强调了公共脑肿瘤MRI分类基准中存在严重的数据集污染问题。该研究引入了一个三层框架来评估数据集的完整性，结果显示很大一部分测试数据在患者或采集源层面与训练数据重复或相关。令人惊讶的是，移除已识别的泄露测试图像并未显著改变报告的准确性，这表明当前的基准可能无法准确反映模型识别肿瘤的能力，还是利用了特定于数据集的线索。研究人员已发布了受污染的文件列表、恢复的患者标识符和去重后的分割集，以解决这些发现。